M3DocDep: Multi-modal, Multi-page, Multi-document Dependency Chunking with Large Vision-Language Models

작성자

Haebom

카테고리

Empty

저자

Joongmin Shin, Jeongbae Park, Jaehyung Seo, Heuiseok Lim

💡 개요

이 연구는 길고 여러 페이지로 구성된 산업 문서에서 정보 검색(RAG)의 효율성을 높이기 위해 문서의 실제 구조를 따르는 청킹(chunking) 방법을 제안합니다. 기존의 텍스트 중심 청킹 방식이 페이지 간 관계, 그림/표와 캡션 연결 등을 놓쳐 발생하는 문제점을 해결하기 위해, M3DocDep는 거대 시각-언어 모델(LVLM)을 활용하여 블록 수준의 의존성을 먼저 복원한 후 이를 기반으로 문서를 트리 구조로 청킹합니다. 이러한 접근 방식은 문서 구조를 더 잘 반영하는 청크를 생성하여 검색 및 답변 품질을 크게 향상시킵니다.

🔑 시사점 및 한계

•

문서 구조 기반 청킹의 중요성: 정보 검색 및 생성 시스템의 성능은 문서의 논리적 구조를 얼마나 잘 파악하고 청킹하는지에 크게 좌우된다는 점을 시사합니다.

•

멀티모달 LVLM의 활용 가능성: 텍스트 정보뿐만 아니라 시각 정보(레이아웃, 이미지 등)를 함께 활용하는 LVLM이 복잡한 문서 구조 이해에 효과적임을 보여줍니다.

•

복잡한 문서 구조 처리의 어려움: 실제 산업 문서의 다양한 구조와 정보 간의 복잡한 의존성을 완벽하게 복원하고 청킹하는 것은 여전히 도전적인 과제이며, 향후 더욱 정교한 모델 및 방법론 개발이 필요할 수 있습니다.

PDF 보기

Made with Slashpage